Cem Dilmegani
Expérience professionnelle et réalisations
Tout au long de sa carrière, Cem a occupé les postes de consultant, d'acheteur et d'entrepreneur dans le secteur des technologies. Pendant plus de dix ans, il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon. Il a également publié un rapport McKinsey sur la numérisation. Il a dirigé la stratégie technologique et les achats d'un opérateur télécom, sous la responsabilité directe du PDG. Il a également piloté la croissance commerciale de la société de deep tech Hypatos, qui a atteint un chiffre d'affaires annuel récurrent à sept chiffres et une valorisation à neuf chiffres en seulement deux ans. Son travail chez Hypatos a été couvert par des publications technologiques de référence telles que TechCrunch et Business Insider. [6], [7]Intérêts de recherche
Les travaux de Cem portent sur la manière dont les entreprises peuvent tirer parti des nouvelles technologies en matière d'IA, d'IA agentielle, de cybersécurité (notamment la sécurité des réseaux et des applications) et de données, y compris les données web. Son expérience pratique des logiciels d'entreprise enrichit ses recherches. D'autres analystes du secteur et l'équipe technique d'AIMultiple épaulent Cem dans la conception, la mise en œuvre et l'évaluation des benchmarks.Éducation
Il a obtenu son diplôme d'ingénieur en informatique à l'Université de Bogazici en 2007. Durant ses études, il s'est spécialisé en apprentissage automatique, alors souvent appelé « exploration de données », et les réseaux de neurones ne comportaient généralement que quelques couches cachées. Il est titulaire d'un MBA de la Columbia Business School (promotion 2012). Cem parle couramment anglais et turc. Il possède un niveau avancé en allemand et des notions de français.Publications externes
- Cem Dilmegani, « Le secteur bancaire post-IA : des millions d’emplois menacés par l’automatisation des fonctions essentielles des banques » , International Banker.
- Cem Dilmegani, Bengi Korkmaz et Martin Lundqvist (1er décembre 2014). Numérisation du secteur public : le défi à mille milliards de dollars , McKinsey & Company.
Présentations aux médias, conférences et autres événements
- Réponses aux questions de Korea24 sur les pertes d'emplois dues à l'IA, Korea24
- Immobilier et technologie , présenté par le Wilbur F. Breslin Center for Real Estate Studies et la Frank G. Zarb School of Business de l'Université Hofstra en 2023 et 2024.
- Session Radar AI (22 juin 2023) : « Accroître l'impact de la science des données avec ChatGPT ».
- Rencontre d'Atlanta sur l'IA générative : L'IA générative au service des technologies d'entreprise .
Sources
- Pourquoi Microsoft, IBM et Google intensifient leurs efforts en matière d'éthique de l'IA , Business Insider.
- Microsoft investit 1 milliard de dollars dans OpenAI pour développer une intelligence artificielle plus performante que l'humanité , Washington Post.
- Développer le leadership en IA : Boîte à outils IA pour les dirigeants , Forum économique mondial.
- Performances scientifiques, de recherche et d'innovation de l'UE , Commission européenne.
- L'investissement de 200 milliards d'euros de l'UE dans l'IA injecte des fonds dans les centres de données, mais le marché des puces reste un défi , IT Brew.
- Hypatos lève 11,8 millions de dollars pour une approche d'apprentissage profond appliquée au traitement de documents , TechCrunch.
- Business Insider nous a permis de découvrir en exclusivité le pitch deck utilisé par la startup d'IA Hypatos pour lever 11 millions de dollars .
Derniers articles de Cem
Automatisation des charges de travail dans le cloud : principaux logiciels et cas d'utilisation
Les entreprises gagnent en flexibilité tout en maîtrisant leurs coûts grâce à l'adoption d'une stratégie de cloud hybride. Selon Statista, les secteurs d'activité ont augmenté leurs charges de travail dans le cloud, notamment en réponse à la pandémie de COVID-19. Nous explorons les différences entre l'automatisation des charges de travail dans le cloud et dans les environnements hybrides, les principaux outils et sept cas d'utilisation de cette automatisation.
Top 10 des meilleures pratiques et études de cas en matière de DLP mobile
Les employés accèdent aux fichiers, envoient des courriels et utilisent des applications professionnelles sur des appareils mobiles tels que les smartphones et les tablettes, ce qui engendre de nouveaux risques. La portabilité, l'accès aux systèmes cloud et la diversité des applications des appareils mobiles constituent des vulnérabilités pour les logiciels de protection contre la fuite de données (DLP).
Les 7 meilleures alternatives à Automic Automation
Automic Automation est un outil d'automatisation des charges de travail (WLA) de premier plan sur le marché. Cependant, compte tenu des besoins spécifiques et souvent particuliers des entreprises, il est essentiel d'explorer plusieurs alternatives.
Les 7 meilleurs logiciels de planification de tâches pour Windows
Chez AIMultiple, nous évaluons et utilisons en permanence des outils de planification de tâches. Par exemple, nous utilisons crontab pour orchestrer une vingtaine de tâches cron exécutées chaque minute et une trentaine de tâches moins fréquentes. Forts de notre expérience, nous avons sélectionné les meilleurs logiciels de planification de tâches Windows en fonction de leurs fonctionnalités, de leurs tarifs et de leur présence sur le marché.
Comparaison de plus de 50 outils d'agents IA en 2026
Au cours du dernier trimestre, nous avons testé des agents d'IA dans les domaines du codage, du service client, des ventes, de la recherche et des processus métier. Nous ne nous sommes pas contentés d'étudier les argumentaires marketing des fournisseurs, mais avons utilisé ces outils au quotidien pour évaluer leur efficacité. La plupart des outils actuels sont des copilotes, et non des automates.
Control-M pour l'automatisation des charges de travail d'entreprise
Control-M de BMC Software aide les équipes à coordonner et automatiser les flux de données et d'applications dans différents environnements, notamment les mainframes, le cloud et les systèmes hybrides. Il offre aux utilisateurs une interface unique pour planifier les tâches, suivre leur progression et gérer les dépendances. La plateforme se connecte également aux services cloud, outils de données et systèmes DevOps les plus courants, simplifiant ainsi la gestion de la production.
L'avenir du conseil en management en in '26 : l'IA va-t-elle bouleverser le secteur MBB ?
Le conseil en management est l'un des secteurs les plus importants au monde, avec McKinsey, son leader, dont le chiffre d'affaires est estimé à plus de 10 milliards de dollars. Depuis sa création en 1926, McKinsey a su traverser de nombreuses crises. Nous analysons ici les raisons pour lesquelles les progrès technologiques et l'intelligence artificielle pourraient marquer le début d'un déclin pour le conseil en management.
Avantages et inconvénients des 6 principales alternatives à l'automatisation robotisée des processus (RPA) à considérer
L'automatisation robotisée des processus (RPA) est une technologie avantageuse qui permet d'automatiser jusqu'à 70 à 80 % des processus basés sur des règles. Cependant, environ 40 % des entreprises n'atteignent pas leurs objectifs de réduction des coûts après la mise en œuvre de la RPA. Cela s'explique par le fait que la RPA n'est pas adaptée à tous les processus et que sa mise en œuvre présente des risques, notamment des coûts élevés.
Outils de revue de code IA
Avec l'utilisation croissante des outils de codage basés sur l'IA, les bases de code sont devenues plus vulnérables, d'où la nécessité accrue de revues de code efficaces. Pour répondre à ce besoin, nous présentons RevEval (AI Code Review Eval), qui compare les performances des quatre principaux outils de revue de code basés sur l'IA sur 309 requêtes d'extraction provenant de dépôts de tailles variées.
IA reproductible : pourquoi c'est important et comment l'améliorer
La reproductibilité est un aspect fondamental des méthodes scientifiques, permettant aux chercheurs de reproduire une expérience ou une étude et d'obtenir des résultats cohérents en utilisant la même méthodologie. Ce principe est tout aussi vital dans les applications d'intelligence artificielle (IA) et d'apprentissage automatique (AA), où la capacité à reproduire les résultats garantit la stabilité des inférences dans différents environnements de modélisation.
Newsletter AIMultiple
Un e-mail gratuit par semaine contenant les dernières actualités technologiques B2B et des analyses d'experts pour accélérer la croissance de votre entreprise.